İstatistikler ve Büyük Veri

Şimdi PMT Education tarafından yazılan Biyoistatistik hakkında bir not okuyorum ve Bölüm 2.7'de şu cümlelere dikkat edin: Kütle için 50. persentilde doğan bir bebek, bebeklerin% 50'sinden daha ağırdır. Kütle için 25. persentilde doğan bir bebek, bebeklerin% 75'inden daha ağırdır. Kitle için 75. persentilde doğan bir bebek, bebeklerin% 25'inden daha ağırdır. …

11 mathematical-statistics  quantiles  definition 

Goodfellow'un (2016) derin öğrenme kitabında, erken durmanın L2 düzenlenmesi ile eşdeğerliğinden bahsetti ( https://www.deeplearningbook.org/contents/regularization.html sayfa 247). Maliyet fonksiyonu jjj dereceden yaklaşımı şu şekilde verilir: J^( θ ) = J( w*) + 12( w - w*)T'H( w - w*)J^(θ)=J(w*)+12(w-w*)T'H(w-w*)\hat{J}(\theta)=J(w^*)+\frac{1}{2}(w-w^*)^TH(w-w^*) 'H'HHf( w + ϵ ) = f( w ) + f'( w …

11 neural-networks  deep-learning  loss-functions  derivative 

Bayes Faktörü'nü (BF) anlamaya çalışıyorum. İnanıyorum ki 2 hipotez olasılığı gibi. Yani BF 5 ise, H1'in H0'dan 5 kat daha muhtemel olduğu anlamına gelir. Ve 3-10 değeri ılımlı kanıtları gösterirken,> 10 değeri güçlü kanıtları gösterir. Bununla birlikte, P-değeri için, geleneksel olarak 0.05 kesme olarak alınır. Bu P değerinde, H1 / …

11 hypothesis-testing  bayesian  p-value  bayes-factors 

Bir olasılık işlevi vardır verilerim olasılık bazı model parametrelerinin verilen I tahmin etmek istiyorum. Parametreler üzerinde düz öncelikler varsayarsak, olasılık posterior olasılıkla orantılıdır. Bu olasılığı örneklemek için bir MCMC yöntemi kullanın.L(d|θ)L(d|θ)\mathcal{L}(d | \theta)dddθ∈RNθ∈RN\theta \in \mathbf{R}^N Ortaya çıkan yakınsak zincire bakıldığında, maksimum olabilirlik parametrelerinin posterior dağılımlarla tutarlı olmadığını düşünüyorum. Örneğin, parametrelerden …

11 bayesian  maximum-likelihood  optimization  inference  mcmc 

Bir regresyon katsayısının standart hatasını hesapladığımızda, XXX tasarım matrisindeki rastgeleliği hesaba katmıyoruz . Örneğin OLS olarak, hesaplama var(β^)var(β^)\text{var}(\hat{\beta}) olarak var((XTX)−1XTY)=σ2(XTX)−1var((XTX)−1XTY)=σ2(XTX)−1\text{var}((X^TX)^{-1}X^TY) = \sigma^2(X^TX)^{-1} Eğer XXX rasgele kabul edildi, toplam varyansın kanunu, bir anlamda, varyansı ek katkı talep edeceğini XXX de. yani var(β^)=var(E(β^|X))+E(var(β^|X)).var(β^)=var(E(β^|X))+E(var(β^|X)).\text{var}(\hat{\beta}) = \text{var}(E(\hat{\beta}|X)) + E(\text{var}(\hat{\beta}|X)). Hangi, OLS tahmincisi gerçekten tarafsızsa, …

11 regression  probability  variance  inference 

Normal dağılım, CLT'yi öğrenene kadar sezgisel görünmüyor, bu da gerçek hayatta neden bu kadar yaygın olduğunu açıklıyor. Ama bu bir miktar "doğal" dağılım olarak ortaya çıkıyor mu?

11 normal-distribution  central-limit-theorem 

Arkaplan : Sosyal psikolojide, teorik istatistiklerin ve matematiğin nicel derslerimde zar zor kaplandığı bir doktora sahibim. Lisans ve grad okulu aracılığıyla (muhtemelen çoğunuz sosyal bilimlerde de olabilir) muhtemelen klasik "frekans" çerçevesi aracılığıyla öğretildi. Şimdi, ben de Ar seviyorum ve yöntemler işi yapar doğrulamak için simülasyon yöntemleri kullanarak yolubana matematiksel kanıtlardan …

11 probability  bayesian  simulation  monte-carlo  frequentist 

Arka fon Bilgisayar bilimlerinde, matematikte ve bazen diğer alanlarda, “ezoterik” örnekler sadece eğlenceli olmakla kalmaz, aynı zamanda belirli kavramları açıklamakta yardımcı olur, örneğin: Bogosort ve Slowsort , özellikle diğer sıralama algoritmalarına kıyasla algoritmaların özelliklerini anlamak için kullanılabilecek çok verimsiz sıralama algoritmalarıdır. Ezoterik programlama dilleri , bir programlama dili kavramının ne …

11 hypothesis-testing  teaching  humor 

Eğer Düzgün , ve Bin daha sonra arka ortalama ile verilir .p∼p~p \sim( 0 , 1)(0,1)(0,1)X~X~X \sim( n , p )(n,p)(n, p)pppX+ 1n + 2X+1n+2\frac{X+1}{n+2} Bu tahminci için ortak bir ad var mı? Birçok insanın problemini çözdüğünü buldum ve insanları bir referansa yönlendirmek istiyorum, ancak bunun için doğru adı bulamadım. …

11 bayesian  terminology  laplace-smoothing 

Anladığım kadarıyla, (en azından Wikipedia bunu böyle tanımlar ). Ama bu ifadeyi Efron * tarafından buldum (vurgu eklendi): Markov zinciri Monte Carlo (MCMC), günümüzün Bayes istatistiklerinin büyük başarı öyküsüdür. MCMC ve kardeş yöntemi “Gibbs örneklemesi” , analitik ifade için çok karmaşık durumlarda posterior dağılımların sayısal olarak hesaplanmasına izin verir. ve …

11 mcmc  gibbs 

Son zamanlarda, literatürde bantlanmış 'olasılıksız' yöntemlerin farkına vardım. Ancak, bir çıkarım veya optimizasyon yönteminin olasılıksız olmasının ne anlama geldiğinden emin değilim . Makine öğreniminde amaç genellikle bazı parametrelerin bir işleve uyma olasılığını en üst düzeye çıkarmaktır, örneğin sinir ağındaki ağırlıklar. Olasılıksız bir yaklaşımın felsefesi tam olarak nedir ve neden GAN'lar …

11 machine-learning  deep-learning  maximum-likelihood  generative-models  abc 

Sıklık istatistiklerinde,% 95 güven aralığı, sonsuz sayıda yinelenirse zamanın% 95'inde gerçek parametreyi içerecek olan aralık üreten bir prosedürdür. Bu neden faydalı? Güven aralıkları genellikle yanlış anlaşılmaktadır. Bunlar , parametrenin içinde olduğundan% 95 emin olabileceğimiz bir aralık değildir (benzer Bayesian güvenilirlik aralığı kullanmıyorsanız). Güven aralıkları bana bir yem ve geçiş gibi …

11 hypothesis-testing  bayesian  mathematical-statistics  confidence-interval  frequentist 

Eğitimli modelimin dengesiz bir veri kümesinde test edilmesini istiyorum. Dengeli bir etiketlenmiş veri kümesinden (spam / spam olmayan) sentetik veri oluşturmak için herhangi bir algoritma var mı?

11 unbalanced-classes  synthetic-data 

Ben sık sık Bayes hiyerarşik modellerinde bilgi ödünç alma veya bilgi paylaşımı hakkında konuşuyorlar. Bunun gerçekte ne anlama geldiği ve Bayesçi hiyerarşik modellere özgü olup olmadığı hakkında düz bir cevap alamıyorum. Fikri bir şekilde anlıyorum: Hiyerarşinizdeki bazı seviyeler ortak bir parametreyi paylaşıyor. Bunun "bilgi borçlanması" na nasıl dönüştüğü hakkında hiçbir …

11 machine-learning  bayesian  multilevel-analysis  terminology  hierarchical-bayesian 

Neden sembolü Pearson'un ürün moment korelasyonunu göstermek için seçildi?rrr

11 correlation  history